Comparar produtos e tecnologias de machine learning da Microsoft
Saiba mais sobre os produtos e as tecnologias de aprendizado de máquina da Microsoft. Compare as opções e escolha como criar, implantar e gerenciar suas soluções de aprendizado de máquina com mais eficiência.
Produtos de aprendizado de máquina baseados em nuvem
As seguintes opções estão disponíveis para o aprendizado de máquina na nuvem do Azure.
| Opções de nuvem | O que é | O que você pode fazer com ele |
|---|---|---|
| Azure Machine Learning | Plataforma gerenciada para aprendizado de máquina | Usar um modelo pré-treinado. Ou treinar, implantar e gerenciar modelos no Azure usando Python e a CLI |
| Serviços Cognitivos do Azure | Recursos de IA predefinidos implementados por meio de SDKs e APIs REST | Criar aplicativos inteligentes rapidamente usando linguagens de programação padrão. Não requer experiência com aprendizado de máquina e ciência de dados |
| Serviços de Machine Learning da Instância Gerenciada de SQL do Azure | Aprendizado de máquina no banco de dados para SQL | Treinar e implantar modelos dentro da Instância Gerenciada de SQL do Azure |
| Aprendizado de máquina no Azure Synapse Analytics | Serviço de análise com aprendizado de máquina | Treinar e implantar modelos dentro do Azure Synapse Analytics |
| Aprendizado de máquina e IA com ONNX no SQL do Azure no Edge | Aprendizado de máquina em SQL em IoT | Treinar e implantar modelos dentro do SQL do Azure no Edge |
| Azure Databricks | Plataforma de análise com base no Apache Spark | Criar e implantar modelos e fluxos de trabalho de dados usando integrações com bibliotecas de aprendizado de máquina de código aberto e a plataforma MLflow. |
Produtos de aprendizado de máquina local
As opções a seguir estão disponíveis para aprendizado de máquina local. Os servidores locais também podem ser executados em uma máquina virtual na nuvem.
| Opções locais | O que é | O que você pode fazer com ele |
|---|---|---|
| Serviços de Machine Learning do SQL Server | Aprendizado de máquina no banco de dados para SQL | Treinar e implantar modelos dentro do SQL Server |
| Serviços de Machine Learning em Clusters de Big Data do SQL Server | Aprendizado de máquina em Clusters de Big Data | Treinar e implantar modelos em Clusters de Big Data do SQL Server |
Plataformas e ferramentas de desenvolvimento
As plataformas e ferramentas de desenvolvimento a seguir estão disponíveis para aprendizado de máquina.
| Plataformas/ferramentas | O que é | O que você pode fazer com ele |
|---|---|---|
| Máquina Virtual de Ciência de Dados do Azure | Máquina virtual com as ferramentas de ciência de dados previamente instaladas | Desenvolver soluções de aprendizado de máquina em um ambiente pré-configurado |
| ML.NET | SDK de aprendizado de máquina de plataforma cruzada e de código aberto | Desenvolver soluções de aprendizado de máquina para aplicativos .NET |
| Windows Machine Learning | Plataforma de aprendizado de máquina do Windows 10 | Avaliar modelos treinados em um dispositivo Windows 10 |
| SynapseML | Estrutura distribuída e de código aberto de aprendizado de máquina e microsserviços para Apache Spark | Criar e implantar aplicativos de aprendizado de máquina escalonáveis para Scala e Python. |
| Extensão de Machine Learning para o Azure Data Studio | Extensão de aprendizado de máquina de plataforma cruzada e de código aberto para o Azure Data Studio | Gerenciar pacotes, importar modelos de machine learning, fazer previsões e criar notebooks para executar experimentos para seus bancos de dados SQL |
Azure Machine Learning
O Azure Machine Learning é um serviço de nuvem totalmente gerenciado usado para treinar, implantar e gerenciar modelos de machine learning em escala. Ele dá suporte total a tecnologias de software livre, portanto, você pode usar dezenas de milhares de pacotes do Python de software livre, como TensorFlow, PyTorch e scikit-learn. Também estão disponíveis ferramentas avançadas, como as Instâncias de computação, Jupyter Notebooks ou a extensão do Azure Machine Learning para Visual Studio Code, uma extensão gratuita que permite gerenciar seus recursos, fluxos de trabalho de treinamento de modelos e implantações no Visual Studio Code. O Azure Machine Learning inclui recursos que automatizam a geração e o ajuste de modelos com facilidade, eficiência e precisão.
Use o SDK do Python, Jupyter Notebooks, R e a CLI para ter aprendizado de máquina na escala da nuvem. Para uma opção com pouco ou nenhum código, use o designer interativo do Azure Machine Learning no estúdio para criar, testar e implantar modelos de modo fácil e rápido usando algoritmos de aprendizado de máquina predefinidos.
Experimentar o Azure Machine Learning gratuitamente.
| Item | Descrição |
|---|---|
| Tipo | Solução de aprendizado de máquina baseada em nuvem |
| Idiomas com suporte | Python, R |
| Fases do aprendizado de máquina | Treinamento do modelo Implantação MLOps/Gerenciamento |
| Principais benefícios | Opções de criação com prioridade de código (SDK), estúdio e interface Web de designer do tipo "arrastar e soltar". Gerenciamento central de scripts e histórico de execuções, facilitando a comparação de versões de modelo. Fácil implantação e gerenciamento de modelos na nuvem ou em dispositivos de borda. |
| Considerações | Exige um pouco de familiaridade com o modelo de gerenciamento de modelos. |
Serviços de IA do Azure
Os Serviços de IA do Azure são um conjunto de APIs predefinidas que permitem criar aplicativos que usam métodos naturais de comunicação. O termo predefinido sugere que você não precisa ter experiência com ciência de dados ou conjuntos de dados para treinar modelos para uso em seus aplicativos. Tudo isso é feito para você e empacotado como APIs e SDKs que permitem que os aplicativos vejam, ouçam, falem, compreendam e interpretem as necessidades dos usuários com apenas algumas linhas de código. É fácil adicionar recursos inteligentes aos seus aplicativos, tais como:
- Visão: detecção de objetos, reconhecimento facial, reconhecimento óptico de caracteres (OCR) e assim por diante. Para obter mais informações, consulte Visão computacional, Detecção Facial, IA do Azure para Informação de Documentos.
- Fala: conversão de fala em texto, conversão de texto em fala, Reconhecimento do Locutor e outros. Para obter mais informações, confira Serviço de fala.
- Idioma: tradução, análise de sentimento, extração de frases-chave, reconhecimento de linguagem e assim por diante. Consulte Tradução, Análise de Texto, Reconhecimento de Linguagem, QnA Maker
- Decisão: detecção de anomalias, moderação de conteúdo, aprendizado de reforço. Para obter mais informações, consulte Detector de Anomalias, Moderador de Conteúdo, Personalizador.
Use serviços de IA do Azure para desenvolver aplicativos em vários dispositivos e plataformas. As APIs estão em constante aperfeiçoamento e são fáceis de configurar.
| Item | Descrição |
|---|---|
| Tipo | APIs para criação de aplicativos inteligentes |
| Idiomas com suporte | Várias opções dependendo do serviço. As opções padrão são C#, Java, JavaScript e Python. |
| Fases do aprendizado de máquina | Implantação |
| Principais benefícios | Crie aplicativos inteligentes usando modelos pré-treinados disponíveis por meio da API REST e do SDK. Variedade de modelos para métodos de comunicação natural com visão, fala, linguagem e decisão. Nenhuma experiência com aprendizado de máquina ou ciência de dados é necessária. |
Machine learning do SQL
O aprendizado de máquina de SQL adiciona análise estatística, visualização de dados e análise preditiva em Python e R para dados relacionais, no local e na nuvem. As plataformas e ferramentas atuais incluem:
- Serviços de Machine Learning do SQL Server
- Serviços de Machine Learning em Clusters de Big Data do SQL Server
- Serviços de Machine Learning da Instância Gerenciada de SQL do Azure
- Aprendizado de máquina no Azure Synapse Analytics
- Aprendizado de máquina e IA com ONNX no SQL do Azure no Edge
- Extensão de Machine Learning para o Azure Data Studio
Use o aprendizado de máquina de SQL quando precisar de análise preditiva e IA interna para dados relacionais em SQL.
| Item | Descrição |
|---|---|
| Tipo | Análise preditiva local para dados relacionais |
| Idiomas com suporte | Python, R, SQL |
| Fases do aprendizado de máquina | Preparação de dados Treinamento do modelo Implantação |
| Principais benefícios | Encapsule a lógica preditiva em uma função de banco de dados, facilitando sua inclusão na lógica da camada de dados. |
| Considerações | Pressupõe um banco de dados SQL como a camada de dados para o aplicativo. |
Máquina Virtual da Ciência de Dados do Azure
A Máquina Virtual de Ciência de Dados do Azure é um ambiente de máquina virtual personalizado na nuvem do Microsoft Azure. Ele está disponível em versões para o Windows e o Linux Ubuntu. O ambiente é criado especificamente para trabalhar com ciência de dados e desenvolver soluções de machine learning. Ele tem muitas ferramentas conhecidas de ciência de dados, estruturas de machine learning e outras ferramentas pré-instaladas e pré-configuradas para começar a criar rapidamente aplicativos inteligentes para análise avançada.
Use a VM de Ciência de Dados quando você precisar executar ou hospedar seus trabalhos em um único nó. Ou então, se você precisar expandir remotamente o processamento em um único computador.
| Item | Descrição |
|---|---|
| Tipo | Ambiente de máquina virtual personalizado para ciência de dados |
| Principais benefícios | Redução do tempo para instalar, gerenciar e solucionar problemas de estruturas e ferramentas de ciência de dados. As últimas versões de todas as ferramentas e estruturas usadas são incluídas. As opções de máquina virtual incluem imagens altamente escalonáveis com funcionalidades de unidade de processamento gráfico (GPU) para modelagem de dados intensiva. |
| Considerações | A máquina virtual não poderá ser acessada quando você estiver offline. A execução de uma máquina virtual incorre em encargos do Azure e, portanto, você deve ter cuidado para que ela seja executada somente quando necessário. |
Azure Databricks
O Azure Databricks é uma plataforma de análise baseada no Apache Spark otimizada para a plataforma de nuvem do Microsoft Azure. O Databricks é integrado com o Azure para fornecer instalação com um clique, fluxos de trabalho simplificados e um workspace interativo que permite a colaboração entre os cientistas de dados, os engenheiros de dados e os analistas empresariais. Use código R, Python, Scala e SQL em blocos de anotações baseado na Web para consultar, visualizar e modelar dados.
Use o Databricks quando quiser colaborar na criação de soluções de aprendizado de máquina no Apache Spark.
| Item | Descrição |
|---|---|
| Tipo | Plataforma de análise com base no Apache Spark |
| Idiomas com suporte | Python, R, Scala, SQL |
| Fases do aprendizado de máquina | Preparação de dados Pré-processamento de dados Treinamento do modelo Ajuste de modelo Inferência de modelo Gerenciamento Implantação |
ML.NET
ML.NET é uma estrutura de aprendizado de máquina de código aberto e de plataforma cruzada. Com o ML.NET, você pode criar soluções de aprendizado de máquina personalizadas e integrá-las aos seus aplicativos .NET. O ML.NET oferece níveis variados de interoperabilidade com estruturas populares como TensorFlow e ONNX para treinamento e pontuação de modelos aprendizado profundo e aprendizado de máquina. Para tarefas com uso intensivo de recursos, como o treinar de modelos de classificação de imagem, você pode aproveitar o Azure para treinar seus modelos na nuvem.
Use ML.NET quando quiser integrar soluções de aprendizado de máquina a seus aplicativos .NET. Escolha entre a API para ter uma experiência Code First e o Model Builder ou a CLI para ter uma experiência com pouco código.
| Item | Descrição |
|---|---|
| Tipo | Estrutura de plataforma cruzada de código aberto para desenvolver aplicativos de aprendizado de máquina personalizados com o .NET |
| Idiomas com suporte | C#, F# |
| Fases do aprendizado de máquina | Preparação de dados Treinamento Implantação |
| Principais benefícios | Não é necessário ter experiência em ciência de dados e aprendizado de máquina Usar ferramentas familiares (Visual Studio, Microsoft Visual Studio Code) e idiomas Implante onde o .NET é executado Extensível Escalonável Experiência que prioriza o local |
Windows Machine Learning
O mecanismo de inferência de machine learning do Windows permite que você use modelos de machine learning treinados em seus aplicativos, avaliando modelos treinados localmente em dispositivos Windows 10.
Use o Windows Machine Learning quando quiser usar modelos de aprendizado de máquina treinados nos seus aplicativos do Windows.
| Item | Descrição |
|---|---|
| Tipo | Mecanismo de inferência para modelos treinados em dispositivos Windows |
| Idiomas com suporte | C#/C++, JavaScript |
SynapseML
O SynapseML (anteriormente conhecido como MMLSpark) é uma biblioteca de código aberto que simplifica a criação de pipelines de aprendizado de máquina massivamente escalonáveis. O SynapseML fornece APIs para uma ampla variedade de diferentes tarefas de machine learning, como análise de texto, visão, detecção de anomalias e muitas outras. O SynapseML é criado na estrutura de computação distribuída do Apache Spark e compartilha a mesma API que a biblioteca SparkML/MLLib, permitindo que você insira perfeitamente modelos SynapseML em fluxos de trabalho existentes do Apache Spark.
O SynapseML adiciona muitas ferramentas de aprendizado profundo e ciência de dados ao ecossistema Spark, incluindo integração perfeita de pipelines de Machine Learning do Spark com computador de gradient boosting (LightGBM), LIME (Interpretabilidade do modelo) e OpenCV. Você pode usar essas ferramentas para criar modelos de previsão avançados em qualquer cluster do Spark, como o Azure Databricks ou o Cosmic Spark.
O SynapseML também traz novos recursos de rede para o ecossistema do Spark. Com o projeto de HTTP no Spark, os usuários podem inserir qualquer serviço Web em seus modelos do SparkML. Além disso, o SynapseML fornece ferramentas fáceis de usar para orquestrar Serviços de IA do Azure em grande escala. Para implantação no nível da produção, o projeto de Serviço do Spark habilita serviços Web de alta taxa de transferência e latência inferiores a milissegundos, com suporte de seu cluster Spark.
| Item | Descrição |
|---|---|
| Tipo | Estrutura distribuída e de código aberto de aprendizado de máquina e microsserviços para Apache Spark |
| Idiomas com suporte | Scala 2.11, Java, Python 3.5+, R (beta) |
| Fases do aprendizado de máquina | Preparação de dados Treinamento do modelo Implantação |
| Principais benefícios | Escalabilidade Compatível com streaming + fornecimento Tolerância a falhas |
| Considerações | Requer o Apache Spark |
Colaboradores
Esse artigo é mantido pela Microsoft. Ele foi originalmente escrito pelos colaboradores a seguir.
Autor principal:
- Zoiner Tejada | Diretor executivo (CEO) e arquiteto
Próximas etapas
- Para saber mais sobre todos os produtos de desenvolvimento de IA (Inteligência Artificial) disponibilizados pela Microsoft, veja Plataforma de IA da Microsoft.
- Para obter treinamento em desenvolvimento de soluções de IA e Machine Learning com a Microsoft, confira o treinamento no Microsoft Learn.